Gručenje oglasov s pomočjo globokih nevronskih mrežDžubur, Benjamin (Avtor) Demšar, Jure (Mentor) konvolucijska nevronska mrežagloboko gručenjesegmentacija slikgručenje sliknenadzorovano učenjeV oglaševalski industriji je razumevanje različnih parametrov oglaševalskih kampanj ključnega pomena za optimizacijo delovnega procesa. Eden izmed ključnih parametrov je število uporabljenih glavnih dizajnov za pripravo slikovnih oglasov, na podlagi katerega lahko sklepamo o kompleksnosti kampanje. Oglasi, ki pripadajo istemu glavnemu dizajnu, pogosto vsebujejo podobne tipografije besedila in grafične elemente, včasih pa tudi kompozicije. V eksperimentalnem delu diplomskega dela za namen napovedovanja števila uporabljenih glavnih dizajnov v množicah slikovnih oglasov razvijemo dva napovedna modela. Oba temeljita na konvolucijskih nevronskih mrežah za pridobitev značilk iz slik in na algoritmih za gručenje podatkov. Razlikujeta se predvsem po načinu določanja podobnosti med posameznimi oglasi. Oba razvita napovedna modela dosežeta boljše rezultate od izhodiščnega pristopa, ki na podlagi porazdelitve podatkov naključno napove število glavnih dizajnov. Napovedna modela na vzorcu 50 kampanj dosežeta 5,2% oz. 1,2% izboljšavo v klasifikacijski točnosti. Drugi napovedni model, ki temelji na podobnosti regij med oglasi, dosega kvalitativno boljše rezultate od prvega, ki temelji na enostavnih primerjavah značilk celotnih oglasov.20202020-07-24 09:15:00Diplomsko delo/naloga117764VisID: 25903COBISS_ID: 24100611sl